A Cross “Ethnical” Comparison of the Driver Behaviour Questionnaire (DBQ) in an Economically Fast Developing Country
Notice bibliographique
Résumé
AIM: The aim of this study was to compare the driving behaviours of four ethnic groups and to investigate the relationship between violations, errors and lapses of DBQ and accident involvement in Qatar. SUBJECTS AND METHODS: The Driver Behaviour Questionnaire (DBQ) was used to measure the aberrant driving behaviours leading to accidents. Of 2400 drivers approached, 1824 drivers agreed to participate (76%) and completed the driver behaviour questionnaire and background information. RESULTS: The study revealed that the majority of the Qatari (35.9%) and Jordanian drivers (37.5%) were below 30 years of age, whereas Filipino (42.3%) and Indian subcontinent (34.1%) drivers were in the age group of 30-39 years. Qatari drivers (52%) were involved in most accidents, followed by Jordanians (48.3%). The most common type of collision was a head on collision, which was similar in all four ethnic groups. The Qatari drivers scored higher on almost all items of violations, errors and lapses compared to other ethnic groups, while Filipino drivers were lower on all the items. The most common violation was the same in all four ethnic groups "Disregard the speed limits on a motorway". The most common error item observed was "Queing to turn right/left on to a main road". "Forget where you left your car" and "Hit something when reversing" were the two lapses identified in factor analysis. CONCLUSION: The present study identified that Qatari drivers scored higher on most of the items of violations, errors and lapses of DBQ compared to other countries, whereas Filipino drivers scored lower in DBQ items.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».